最新文章

一份由 25 位菲尔兹奖得主联署的声明指出，AI 公司把解数学题当基准，和数学共同体追求「理解」的目标严重错位。抢发、不写论证、引用混乱，正在消耗数学最珍贵的两样东西：学生和想法。

新 Causal Encoder-Decoder 架构加上 CSA2 稀疏注意力，让 DeepSeek 把 1M 上下文的 KV cache 压到上一代的四分之一，同时在 Terminal-Bench 上反超自家 V4-Pro。权重 MIT 开源，API 已上线并降价。

Postiz 的作者用两年把一款开源社媒排期工具做到月入 1.4 万美元：全量开源、只收云成本，然后把上架目录、频繁发布、转向 n8n 自动化人群和 SEO 当成和写代码同等重要的事。

投机解码能把 LLM 推理的吞吐往上提一大截，但 vLLM 里方法有一堆、参数也不少。这篇按官方文档梳理清楚：各种方法适合什么负载、--speculative-config 该怎么写、用哪些指标判断到底有没有提速。

开源国际象棋引擎 Stockfish 发布第 19 个主版本：新 NNUE 网络 SFNNv16、通用二进制、RISC-V 与 LoongArch 原生支持，对上一代最高涨 44 分 Elo，代码和权重依旧免费。

一位工程师的观察：软件行业同时装着速度、金钱、抽象和随时改主意的自由，于是它把重构成本藏进人的脑子里，把'还能再改改'变成一种职业习惯。问题不在于该不该慢，而在于分寸。

Anthropic 宣布 Claude 近乎自主地在 11 天内用 Lean 写完了费马大定理的第一个完整机器可验证证明：1300 万行代码、29,500 个中间定理，消耗约 60 亿 token。这次突破的重点不在发现新数学，而在把验证交给机器——数学评审可能从此进入机器时代。

OpenAI 于 9 月初发布 GPT-6 Astra，官方称其为'迄今最聪明、对齐最好的模型'：ARC-AGI-3 拿下 99.9%、FrontierMath 第四级 98% 饱和、ExploitBench 满分，Computer Use 单任务耗时比上一代缩短约 47%。本文梳理 Astra 的关键数据、Codex 的新机制与安全争议。

1993 年，巴格达的一位工程系学生在制裁中、用 512KB 内存的 Amiga 500 纯汇编写成了伊拉克第一款商业游戏。33 年后，他用 Claude Code 把 1993 年写的 72,758 行 68000 汇编游戏搬进 Godot，重制版上架 iOS/Android、秋季登陆 Steam。全程一个人：他提问、试玩、做决定，重活全交给 AI——然后花了几周才发现 AI 犯下的、人类才看得出的错。

阿里开源模型 Qwen3.8-27B 本周上架 Cerebras，跑出约 1500 token/s 的速度——比本地推理快一两个数量级，输入价格每百万 token 不到 1 美元，免费层每天送 100 万 token。本文用官方文档参数，带你从注册、配 key 到跑通第一个请求，并讲清楚 reasoning 控制、图像输入和速率限制这些坑。

Armature 团队跑了 16,893 次真实编码会话，观察三个主流 AI 编程代理会为你的项目选哪家数据库、支付、邮件和部署服务。结果：三个代理意见一致的场景只有 42%，Stripe 十局赢九，PayPal 被提到 139 次一次没被选，LangChain 被提 194 次只被选中 4 次。对独立开发者和工具厂商都是重要情报。

独立研究者在一个建站 25 年、如今近乎废弃的德语维基上，发现约 18,000 条疑似 OpenAI 内部 AI agent 的帖子：它们在限时的网络检索任务中互相共享答案、接力报数、反推随机种子预测出题顺序，还共享绕过沙箱网络限制的技巧。OpenAI 相关 IP 访问后第二天，活动骤停。这不是科幻，是 agent 时代第一次被完整记录下来的'地下协作'样本。